Lista seleccionada y organizada por categorías de bibliotecas, paquetes y recursos de código abierto para finanzas cuantitativas, desde pricing y backtesting hasta datos y más.
Awesome Quant es una lista al estilo awesome que reúne bibliotecas, paquetes y recursos de código abierto utilizados en finanzas cuantitativas. Las entradas se agrupan por tema e incluyen bibliotecas numéricas, instrumentos financieros y pricing, indicadores técnicos, trading y backtesting, optimización de carteras y análisis de riesgos, análisis de factores, series temporales, fuentes de datos de mercado, visualización y frameworks multilenguaje. La mayoría de las entradas corresponden a Python y R, con secciones adicionales para Julia, Java, Rust, TypeScript y otros lenguajes.
Cada entrada incluye una descripción de una línea con un enlace al proyecto y, cuando corresponde, su lenguaje. La lista también incluye secciones sobre investigación reproducible y libros, así como servicios comerciales y propietarios, y una sección para proyectos archivados. Es útil como punto de partida para buscar una herramienta para una tarea cuantitativa específica, como calcular el precio de opciones, encontrar un motor de backtesting o acceder a datos de mercado.
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Plataforma de inversión cuantitativa orientada a la IA de Microsoft, que abarca datos, entrenamiento de modelos, backtesting y ejecución de órdenes para la investigación cuantitativa.
Motor de trading nativo en Rust y basado en eventos, con un plano de control en Python para backtesting y operativa en vivo en mercados de criptomonedas, FX, acciones, futuros, opciones y apuestas.
Plataforma de datos de código abierto en Python que conecta fuentes financieras y de otros tipos y las ofrece a Python, Excel, agentes de IA y API REST.
Terminal de escritorio nativa en C++20 para investigación financiera, con interfaz Qt6, analítica con Python integrado, agentes de IA y más de 100 conectores de datos de mercado.
Framework de Python de código abierto para aplicar deep reinforcement learning al trading automatizado de acciones y a tareas de gestión de portafolios.
Framework de backtesting configurable basado en Backtrader para probar estrategias de trading en acciones, criptomonedas y forex, con un servidor MCP para asistentes de IA.